Machine learning-based prediction model for installed wind and solar energy capacities among OECD countries: An LSTM approach
OECD ülkeleri arasında kurulu rüzgâr ve güneş enerjisi kapasiteleri için makine öğrenimi temelli tahmin modeli: Bir LSTM yaklaşımı
- Tez No: 863568
- Danışmanlar: DOÇ. DR. GÖRKEM ATAMAN
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Makine öğrenimi tahminlemesi, LSTM yöntemi, kurulu güneş enerjisi kapasitesi, kurulu rüzgâr enerjisi kapasitesi, çevresel politika, machine learning prediction, LSTM method, installed solar energy capacity, installed wind energy capacity, environmental policy
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Yaşar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
İklim krizinin ana nedeni olarak gösterilen fosil yakıt tüketimi, özellikle sanayileşme ve endüstriyel faaliyetlerin bir sonucu olarak ortaya çıkmaktadır. Bu değişimlerin etkilerini hafifletmek adına, çevresel politika önlemleri ve teknolojik inovasyonlar, özellikle rüzgar ve güneş enerjisi gibi yenilenebilir enerji kaynaklarına odaklanmıştır. Bu araştırma, makine öğrenimi temelli bir model olan uzun kısa vadeli hafıza (LSTM) algoritmasını kullanarak, kurulu rüzgar ve güneş enerjisi kapasitelerini tahmin etmeyi amaçlamaktadır. Analizler, 24 OECD üyesi ülkeyi içeren geniş kapsamlı bir zaman serisi veri setini kullanarak, 2000 ile 2020 yılları arasındaki sosyal, ekonomik, geleneksel ve yenilenebilir enerji kaynakları ve çeşitli çevresel politika teşvik ve yasalarını kapsamaktadır. Elde edilen sonuçlar, kurulu rüzgar enerjisi kapasitesi modeli yüksek doğrulukta tahminleme performansı sergilerken, kurulu güneş enerjisi kapasitesi modelinin kurulu rüzgar enerjisi modeline kıyasla daha düşük doğrulukta tahminleme performansı gösterdiğini ortaya koymaktadır. Bu çalışma, öngörülen güneş ve rüzgar kapasiteleri ile enerji dönüşüm süreçlerine ve politika oluşturmaya dair dikkat çekmeyi ve değerli bilgiler sunmayı amaçlamaktadır.
Özet (Çeviri)
The main cause attributed to the climate crisis is the consumption of fossil fuels, particularly arising from industrialization and industrial activities. To mitigate the impacts of these changes, environmental policy measures and technological innovations have focused prominently on renewable energy sources, especially wind and solar energy. This research aims to predict installed wind and solar energy capacities using a machine learning-based model, specifically the Long Short-Term Memory (LSTM) algorithm. The analyses cover a comprehensive time series dataset, including social, economic, conventional, and renewable energy attributes, as well as various environmental policy incentives and laws. The dataset spans the years from 2000 to 2020 and encompasses 24 OECD member countries. The results reveal that the installed wind energy capacity model exhibits high accuracy in prediction performance, whereas the installed solar energy capacity model demonstrates lower accuracy compared to the installed wind energy model. This study intends to draw attention to and provide valuable insights into the predicted solar and wind capacities, aiming to contribute to discussions on energy transformation processes and policymaking.
Benzer Tezler
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Short-term wind power generation forecasting by coupling numerical weather prediction models and machine learning algorithms
Sayısal hava tahmin modeli ve makine öğrenmesi algoritmaları ile kısa dönemli rüzgar enerjisi üretim tahmin modeli oluşturmak
CEM ÖZEN
Doktora
İngilizce
2022
Enerjiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ DENİZ
- Mezo ölçek model rüzgar şiddeti öngörü sonuçlarının yapay sinir ağları ve k en yakın komşu algoritması ile iyileştirilmesi
Artificial neural networks and k nearest neighborhood algorithm approach to improving wind speed prediction of the mesoscale forecast model results
DUYGU AKYIL
Yüksek Lisans
Türkçe
2019
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. ŞÜKRAN SİBEL MENTEŞ
- İleri istatistiksel yöntemler kullanarak rüzgârdan üretilen elektriksel gücün tahmini
Wind-electric power forecast using advanced statistical methods
SERKAN BUHAN
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIK ÇADIRCI
- Güneş enerji santrallerinde makine öğrenmesi algoritmaları ve coğrafi bilgi verileri kullanılarak enerji üretiminin tahminlenmesi
Prediction of energy production in solar power plants usi̇ng machine learning algorithms and geographic information data
EREN POLATCAN
Yüksek Lisans
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. HAYRİ HAKAN DENLİ